Зміст
- Що таке система рекомендацій?
- Як працює система рекомендацій?
- Проблеми, які Airbnb хотів вирішити
- Що зробив Airbnb?
- Еволюція систем рекомендацій
- Висновок
Джерело: Artisticco / Dreamstime.com
Винос:
Системи рекомендацій можуть бути величезною допомогою як маркетологам, так і споживачам.
Ви коли-небудь шукали щось в Інтернеті, і перш ніж ви це дізнаєтесь, вас обстрілюють рекламою на цю тему скрізь, де ви йдете? Наприклад, скажімо, що ви шукаєте останню інформацію про наступний фільм "Зоряні війни". Переглянувши трейлер, ви починаєте бачити в Інтернеті рекламні майки "Зоряних воєн", іграшки "Зоряні війни", DVD-диски "Зоряні війни", аркуші "Зоряні війни" ... та безліч інших продуктів "Зоряні війни". що ви ніколи навіть не уявляли, що існували! Це все завдяки системам рекомендацій.
Що таке система рекомендацій?
Системи рекомендацій - також відомі як механізми рекомендацій, системи рекомендацій або просто RS - переосмислюють способи, які компанії створюють для клієнтів. Системи рекомендацій допомогли клієнтам приймати обґрунтовані та кращі рішення щодо придбання при здійсненні онлайн-покупок. Якщо ви в будь-який час зробили будь-яку покупку в Інтернеті, то ви майже напевно натрапили на рекомендації щодо товарів, подібних до тих, які ви придбали. Тож, під час перегляду продуктів, рекомендаційні системи спостерігали за вашою поведінкою перегляду та шукали продукти, які ви, можливо, ще не виявили самостійно. Системи рекомендацій відіграють важливу роль у покращенні загального досвіду роботи з клієнтами, особливо в ніші закупівлі в Інтернеті. Звичайно, це добре і для бізнесу. Компанії збільшують свої інвестиції у вдосконалення своїх рекомендаційних механізмів, щоб допомогти клієнтам вибрати найкращі продукти.
Як працює система рекомендацій?
Перш ніж дізнатися, як системи рекомендацій вплинули на наше життя, варто дізнатися, як вони працюють і як вони розвиваються.
Система рекомендацій - це технологія фільтрації інформації, яка часто використовується на веб-сайтах електронної комерції, щоб запропонувати клієнтам, які їх відвідують, вибір фільтруваних продуктів. Як випливає з назви, технологія використовується для надання рекомендацій щодо продуктів, які мають схожі характеристики. Мета відрізняється залежно від точки зору партії. Для бізнесу, який продає товари на веб-сайті електронної комерції, він покращує перспективи отримання прибутку, пропонуючи клієнтам більше варіантів вибору товару. Для замовника він пропонує аналогічні рекомендації щодо товару та надає можливість замовнику або придбати кращий товар, ніж вже обраний, або придбати товар, який може покращити досвід вже вибраного товару для придбання. Для надання рекомендацій двигуни використовують ряд методів, серед яких:
Ви не можете покращити свої навички програмування, коли ніхто не піклується про якість програмного забезпечення.
Проблеми, які Airbnb хотів вирішити
Airbnb - це веб-сайт, де люди можуть знайти житло в оренду, а також перелічити їх житло для цілей оренди. За даними Вікіпедії, Airbnb налічує понад 1 500 000 списків у 34 000 містах та 190 країнах. Мандрівники завжди шукають дешеве, комфортне та безпечне житло по всьому світу. Airbnb хотів знайти способи запропонувати своїм клієнтам кращі, індивідуальні варіанти розміщення. Хотілося дізнатися більше про унікальні вимоги мандрівників.
Що зробив Airbnb?
Основна ідея полягала в тому, щоб з’ясувати індивідуальні потреби подорожей мандрівників та дати відповідні варіанти чи рекомендації. Так, Airbnb вирішив заглибитись у дані клієнтів, записані у вигляді оглядів подорожей, відгуків про житло та інших даних, записаних клієнтами. Airbnb сформував команду для цього. За словами Майка Кертіса, віце-президента з інженерії, "Давно Airbnb - це дивовижне місце, коли ви знаєте, куди їдете, і знаєте, коли їдете, але ми зрозуміли, що у нас є всі цих даних, яких інші люди не мають. У нас є схеми подорожей. У нас є відгуки. У нас є описи списків. Ми знаємо багато про мікрорайони, про які ми можемо зробити висновок. "Таким чином, Airbnb отримав розтріскування даних та системи рекомендацій, яка дає персоналізовані рекомендації.
Еволюція систем рекомендацій
Незважаючи на ажіотаж навколо рекомендаційних двигунів, їм потрібно пройти довгий шлях, перш ніж по-справжньому захопити уяву користувача. Зараз двигуни дотримуються загального алгоритму і не дуже пропонують індивідуальний вибір. Майбутнє полягає у пропонуванні клієнтам індивідуального вибору товару. Для цього алгоритми повинні враховувати такі складності, як цикл сну, настрій користувачів, час доби та вихід енергії. Схоже, що роздрібна торгівля та медіа-індустрія найчастіше будуть використовувати ці двигуни, а інші підуть за цим.Наприклад, банківська та фінансова галузі намагаються все більше прогнозувати наступних кроків своїх клієнтів, щоб можна було запропонувати спеціалізовані продукти. Для цього буде враховано багато даних про такі речі, як зворотній зв'язок з клієнтами, моделі соціальних медіа, дані телефонного центру, веб-сайти, s та навіть рівень освіти споживачів.
Висновок
Цікаво буде спостерігати, як формується майбутнє двигунів з рекомендаціями. Алгоритми, які зараз використовуються, використовуються вже давно, але бізнес хоче більше поняття. Бренди прагнуть налаштувати та вдосконалити свої алгоритми, постійно намагаючись зробити їх всебічнішими. Однак потенційно найбільша проблема полягає у впровадженні двигунів у галузях, які традиційно не використовують їх, наприклад, страховому секторі, який може запропонувати рекомендації щодо страхових продуктів.
Системи рекомендацій можуть допомогти людям у їх повсякденному житті численними способами, а також допомогти рекламодавцям представити продукти та послуги для широкої аудиторії, і лише час точно розповість, як ця технологія буде розвиватися далі.